Satu Pertiga daripada Halaman Web Diterbitkan Sejak ChatGPT Menunjukkan Tanda-tanda Kepengarangan AI, Pew Finds

Lebih daripada satu pertiga halaman web yang diterbitkan sejak pelancaran ChatGPT menunjukkan tanda-tanda ditulis oleh kecerdasan buatan, menurut kajian baharu dari Pusat Penyelidikan Pew — salah satu ukuran yang paling teliti tentang sejauh mana AI generatif secara menyeluruh telah membentuk semula kandungan web terbuka.

Penemuan itu, yang dikeluarkan pada Khamis oleh organisasi penyelidikan nonpartisan, mendapat perhatian di tengah-tengah kebimbangan yang semakin meningkat bahawa internet mengisi dengan teks yang ditulis mesin lebih cepat daripada sesiapa sahaja boleh menjejakinya. Skala anjakan ialah kisah penentu era AI, dan satu dijejaki secara berterusan dalam liputan industri AI.

Cara Pew Mengukur Web Bertulis AI

Untuk menyusun laporan, Pew menggunakan arkib web Common Crawl untuk mengumpulkan hampir setengah juta halaman web berbahasa Inggeris yang merangkumi kira-kira lima tahun yang lalu — bermula beberapa tahun sebelum keluaran ChatGPT pada November 2022. Penyelidik kemudian menjalankan halaman melalui Pangram, teknologi pengesanan AI, untuk menganggarkan bilangan yang ditulis atau banyak disunting oleh AI.

Nombor tajuk sangat menarik. Dalam sampel rawak 10,000 halaman web yang dikumpul pada Julai 2026, kira-kira 10% menunjukkan tanda kepengarangan AI yang ketara. Tetapi sampel rawak itu tidak dapat tidak termasuk sejumlah besar halaman lama yang diterbitkan sebelum alat penulisan AI wujud — halaman yang tidak mungkin ditulis mesin.

Apabila Pew menapisnya dan melihat hanya pada halaman yang diterbitkan selepas pelancaran ChatGPT, bahagian yang menunjukkan tanda kepengarangan AI melonjak kepada 35% — lebih daripada satu daripada tiga.

Domain Komersial Mendahului

Pecahan peringkat domain kajian mungkin merupakan penemuan yang paling mendedahkannya. Halaman pada domain .com menunjukkan tanda pengarang AI pada kira-kira sepuluh kali ganda kadar domain .edu dan .gov, yang kedua-duanya berada pada kira-kira 1% pengarang AI. Domain .org bukan untung jatuh di antara, pada 4.6%.

Corak itu menceritakan kisah tentang insentif. Di mana kandungan dihasilkan untuk mendapat kedudukan dalam enjin carian dan menjana pendapatan pengiklanan atau ahli gabungan, penulisan AI telah berkembang pesat. Apabila institusi melampirkan reputasi mereka pada apa yang mereka terbitkan — universiti, agensi kerajaan — kepengarangan manusia masih mendominasi.

Pew juga mendapati bahawa cerita gaya klasik tentang penulisan mesin telah berkembang lebih biasa di seluruh web selama bertahun-tahun: em sempang, koma Oxford dan binaan seperti "bukan X, ini Y" semuanya telah meningkat dalam kekerapan.

Penemuan .com juga sejajar dengan apa yang telah dilaporkan oleh pengamal pengoptimuman enjin carian secara anekdot selama bertahun-tahun: ladang kandungan, tapak gabungan dan penerbit kos rendah adalah pengguna terawal dan paling agresif penulisan generatif, kerana bagi mereka ekonomi menghasilkan halaman lain — mana-mana halaman — telah merosot hampir kepada sifar. Penerbit institusi dengan standard editorial bergerak lebih perlahan dan ia ditunjukkan dalam data.

Bot Menulis untuk Bot

Laporan Pew tiba sejurus selepas penyedia infrastruktur internet Cloudflare mendedahkan bahawa trafik web bot telah mengatasi trafik web manusia — satu pencapaian yang dicapai lebih awal daripada yang dianggarkan oleh syarikat. Seperti yang dinyatakan oleh TechCrunch dalam liputan kajiannya, kedua-dua penemuan itu bersama-sama melakarkan gambaran yang meresahkan: kebanyakan web kini adalah bot menyemak imbas halaman yang, dalam banyak kes, ditulis oleh bot lain.

Pengulas telah cepat menyambungkan data kepada "teori internet mati" — idea yang sangat penting bahawa banyak kandungan dalam talian dijana secara buatan untuk khalayak perangkak automatik. Apa yang bermula sebagai meme yang berfikiran konspirasi semakin kelihatan seperti realiti demografi yang boleh diukur, sekurang-kurangnya untuk web komersial.

Kaveat dalam Pengesanan

Pew berhati-hati untuk memperhatikan had metodologinya. Pangram, seperti alat pengesanan AI yang lain, boleh salah mengklasifikasikan halaman tulisan manusia sebagai dijana AI, dan ketepatan pengesanan berbeza-beza merentas gaya penulisan dan genre. Walau bagaimanapun, pada skala ratusan ribu halaman, data itu berkemungkinan sekurang-kurangnya betul mengikut arah, kata organisasi itu - dan pelbagai kajian bebas telah mencapai kesimpulan yang sama tentang bahagian kandungan web yang lebih baharu yang menunjukkan tanda-tanda kepengarangan AI.

Kajian itu juga hanya mengukur halaman bahasa Inggeris dan mengambil daripada arkib Common Crawl, yang menangkap gambar web dan bukannya keseluruhannya.

Mengapa Nombor Penting

Penemuan ini mempunyai implikasi jauh melebihi trivia internet. Enjin carian sudah bergelut dengan cara untuk memaparkan hasil yang boleh dipercayai apabila bahagian kandungan diindeks yang semakin meningkat dihasilkan mesin. Penerbit dan pendidik menghadapi masa yang lebih sukar untuk mewujudkan asal. Dan pembina model AI menghadapi masalah yang lebih senyap: data latihan yang dikikis dari web semakin banyak mengandungi output AI, meningkatkan momok kemerosotan model melalui gelung maklum balas teks sintetik.

Bagi pembaca setiap hari, pengambilan praktikal adalah sikap ragu-ragu lalai baharu. Semakan produk, panduan cara atau catatan blog bersebelahan berita yang diterbitkan pada domain komersial dalam era pasca-ChatGPT kini membawa kira-kira satu dalam tiga peluang untuk mempunyai cap jari AI — dan pada beberapa kategori tapak, berkemungkinan lebih tinggi.

Web sentiasa merupakan gabungan antara yang tulen dan yang dikilang. Apa yang ditunjukkan oleh data Pew ialah bakinya berubah, dan dengan cepat: dalam tempoh kurang daripada empat tahun, penulisan mesin berubah daripada tidak wujud kepada sebahagian besar daripada semua yang diterbitkan dalam talian.

Kekal Mendahului AI

Untuk penyelidikan AI, data industri dan analisis trend terkini, tandai halaman AI Buzz Wire.

Baca lebih banyak berita AI →